论文部分内容阅读
人脸表情识别是一项极富有挑战性的研究课题，由于其潜在的应用价值，受到了许多学者的广泛关注。随着多媒体技术和网络视频的发展，对人们的情感分析，了解用户情感变得越来越重要。表情识别的一般步骤分为：人脸检测，特征提取和表情分类三步，特征提取是这三步中最重要的环节,其效果将直接影响人脸表情的识别率。本文归纳并分析了国内外表情识别的典型方法，对人脸表情识别中的关键技术进行了分析和总结，并对多特征融合的人脸表情识别算法进行了深入研究，本文主要工作如下：1、提出了基于Gabor特征融合的人脸表情算法。首先根据三庭五眼原则切割出能有效表达人脸表情的五官子图像，通过对子图像进行Gabor小波变换来得到表情的局部特征；然后利用主成分分析法(Principal Component Analysis，PCA)和Fisher线性变换法(Fisher’s Linear Discriminants, FLD)计算出局部特征对人脸表情识别贡献率的权值；表情变化时人脸的整个轮廓也要发生变化所以加入全局特征是十分必要的，最后将局部和全局的Gabor特征融合成一个特征矩阵作为表情识别的特征。实验结果表明该算法与基于全局Gabor特征的表情算法相比在识别率上有了很大的提高。2、为了实现高效的人脸表情识别算法，本文提出了基于高阶自相关(Higher-Order Local Autocorrelation Coefficients，HLAC)特征融合的人脸表情识别算法。HLAC特征能反映图像内容固有的边缘信息和细节信息，对位移不敏感。该算法首先运用25个HLAC特征模板来提取局部图像和全局图像的梯度和细节特征，然后使用FLD算法来计算出局部特征的权值，通过权值将局部特征和全局融合成一个加权HLAC特征矩阵，即WHLAC特征矩阵。最后使用FLD算法进行人脸表情分类。实验结果表明，该算法不但具有较高的识别率，而且具有良好的实时性。